CN114862781A - 一种竹片正反面检测方法和系统 - Google Patents
一种竹片正反面检测方法和系统 Download PDFInfo
- Publication number
- CN114862781A CN114862781A CN202210452303.1A CN202210452303A CN114862781A CN 114862781 A CN114862781 A CN 114862781A CN 202210452303 A CN202210452303 A CN 202210452303A CN 114862781 A CN114862781 A CN 114862781A
- Authority
- CN
- China
- Prior art keywords
- laser
- arc
- bamboo
- bamboo chip
- list
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种竹片正反面检测方法和系统,所述方法包括:向竹片成倾斜角度照射线性激光,获取线性激光在竹片上反射后图像;识别反射后图像中的反射的弧形激光,并获取所述弧形激光的像素点位置;对所述弧形激光的位置的像素点进行差分处理,去除异常的像素点;并将差分处理后的弧形激光的位置的像素点进行二次多项式回归,根据二次多项式系数判断竹片正反面。所述方法和系统在完成对线性激光图像的处理后,构建二次多项式进行回归,进一步根据回归后的二次多项式系数的正负进行竹片正反面判断,利用软件算法进行判断可以有效地降低单纯硬件设备识别的成本,并提高识别检测的成功率。
Description
技术领域
本发明涉及图像检测技术领域,特别涉及一种竹片正反面检测方法和系统。
背景技术
目前竹子作为日常生活用品的重要原材料起到非常重要的作用,随着生活水平的提高,对于竹制品的需求量也越来越高,特别是诸如牙签、筷子、香棒、砧板、地板这类竹制品。竹子经过原竹截断、破竹、打结定宽、分片分层、竹丝成形、定尺寸切断、削尖等后续步骤制成牙签或一次性竹筷,现有的竹制品加工已经趋于成熟但是还没有实现全流水线的自动化,有的加工步骤仍然需要人工操作,主要是现有竹加工设备在加工过程中,需要工人一片片的分辨竹片的青黄面将竹片同一面朝上送入竹加工设备,从而使得现有的竹制品的工艺变得复杂,人工成本较高。另外对于竹片正反面的检测,现在主要的方式是使用光电管进行颜色检测,但这种方法对环境光照的依赖较大,需要补光保持稳定的环境光照,同时有一部分竹子由于日晒或是浸水,导致青面泛白或者黄面反射率降低,因此光电管的颜色检测法的准确率很难达到生产要求。
发明内容
本发明其中一个发明目的在于提供一种竹片正反面检测方法和系统,所述方法和系统利用线性激光设备,作为竹片的主动成像设备,将感知到的图像数据进行处理后作为竹片正反面检测的依据,从而可以实现无需接触的竹片正反面判断,在工艺流程中易于部署,机器化的部署感知使得整体的工艺流程效率更高。
本发明另一个发明目的在于提供一种竹片正反面检测方法和系统,所述方法和系统通过线性激光设备成角度地照射到竹片上,获取激光照射竹片上形成的线性激光图像信息,并进一步根据所述激光弧线信息进行图像处理后进行竹片的正反面判断,因此结合图像处理技术可以大幅提高竹片正反面的识别精度。
本发明另一个发明目的在于提供一种竹片正反面检测方法和系统,所述方法和系统在完成对线性激光图像的处理后,构建二次多项式进行回归,进一步根据回归后的二次多项式系数的正负进行竹片正反面判断,利用软件算法进行判断可以有效地降低单纯硬件设备识别的成本,并提高识别检测的成功率。
为了实现至少一个上述发明目的,本发明进一步提供一种竹片正反面检测方法,所述方法包括:
向竹片成倾斜角度照射线性激光,获取线性激光在竹片上反射后图像;
识别反射后图像中的反射的弧形激光,并获取所述弧形激光的像素点位置;
对所述弧形激光的位置的像素点进行差分处理,去除异常的像素点;
并将差分处理后的弧形激光的位置的像素点进行二次多项式回归,根据二次多项式系数判断竹片正反面。
根据本发明其中一个较佳实施例,所述识别反射的弧形激光方法包括:获取竹片图像所有像素点的灰度值,生成灰度值集合,设置灰度值阈值,获取大于所述灰度值阈值的灰度块,并根据所述弧形激光的特性去除高宽比大于1的灰度块,获取弧形激光的像素点位置信息。
根据本发明另一个较佳实施例,获取所述弧形激光的像素点位置信息后,进一步计算弧形激光像素点的散点坐标,并根据所述散点坐标对所述大于灰度值阈值灰度块中的像素点坐标进行一阶差分,计算所述一阶差分结果的标准差,并设置标准差筛选上限阈值系数和下限阈值系数,通过计算不满足所述标准差和两个标准差阈值系数乘积范围的像素点位置作为异常点剔除。
根据本发明另一个较佳实施例,对所述大于灰度值阈值灰度块中的像素点坐标一阶差分的计算方法包括:从灰度值集合中计算大于所述灰度值阈值的像素点坐标构建弧形激光像素点列表ci,其中其中 i=1,2,…,w,i代表第几列,k为这一列中大于设定阈值像素点的个数,为此像素点在灰度值集合中的y坐标,进一计算ci的算数平均数pi:
根据本发明另一个较佳实施例,所述异常点剔除方法还包括:对所述差分处理后的列表两端按照预设比例进行删除:E=floor(k(1-2θ)),其中E 为两端删除后的列表长度,k为经过差分处理后剩下的点的数目,θ为对列表两端进行删除的比例。
根据本发明另一个较佳实施例,将差分处理并且按照预设比例进行删除后得到最终散点数据列表为PE=[pe1,pe2,…,peE],将所述列表PE中的散点数据进行采用最小二乘法进行二次多项式回归,其中所述最小二乘法计算方法为:
其中f(x)为最终回归的二次多项式,f(x)=b0x2+b1x+b2,xi表示 f(x)中的任意一个x,其中根据所述二项式系数判断所述弧形激光的弯曲方向,以判断竹片的正反面。
根据本发明另一个较佳实施例,根据所述回归的二次多项式二次项系数的正负生成对应的高低电平信号,根据所述高低电平信号判断最终的竹片正反面,用于控制流程停止或前进。
为了实现至少一个上述发明目的,本发明进一步提供一种竹片正反面检测系统,所述系统执行上述一种竹片正反面检测方法。
本发明进一步提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,所述计算机程序可被处理器执行上述一种竹片正反面检测方法。
附图说明
图1显示的是本发明一种竹片正反面检测方法流程示意图。
图2显示的是本发明中图像处理的主流程示意图。
图3显示的是本发明中弧线处理模块的主流程示意图。
图4显示的是本发明中子程序1的流程示意图。
图5显示的是本发明中子程序2的流程示意图。
图6显示的是本发明中测试对象的示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
可以理解的是,术语“一”应理解为“至少一”或“一个或多个”,即在一个实施例中,一个元件的数量可以为一个,而在另外的实施例中,该元件的数量可以为多个,术语“一”不能理解为对数量的限制。
请结合图1-图6,本发明公开了一种竹片正反面检测方法和系统,所述方法包括如下步骤:首先需要预先在竹片的上方配置视觉模块,所述视觉模块可以是包括但不仅限于摄像头等图像采集装置,其中所述视觉模块被安装在所述竹片上方合理位置,一般本发明设置的合理位置一般为10cm高度,并且在所述系统中配置线性激光发射装置,所述线性激光发射装置安装于所述竹片的上方合理高度,并且以一定的倾斜角度照射到所述竹片的表面,其中所述线性激光发射装置的线性激光和所述竹片的轴向延伸方向相对垂直,使得所述线性激光在具有曲面的竹片上呈现出一定的曲线,本发明利用该曲线的图像作为竹片正反面的判断依据,从而可以大幅提高竹片判断效率,降低工业制造流程成本。本发明中,所述摄像头可以设置多个,以及所述线性激光设备可以设置多个,从而可以提高识别和图像处理的效果,比如本发明中,可以配置3个摄像头和3 个线性激光发射装,同一个摄像头可以识别至少一个线性激光发射装置在竹片上的弧形激光反射光,也可以分别识别不同的弧形激光,通过对不同的弧形激光对应的二次项系数进行求和处理得到更加准确的识别效果。
具体而言,所述视觉模块被安装于竹片的上方5-15cm高度,所述线性激光发射装置向所述竹片发射长条形的线性激光,且所述线性激光发射装置可以成 30-60度的倾斜角向所述竹片发射线性激光,从而使得所述竹片上表面呈现弧形的激光图像,所述视觉模块获取所述弧形激光图像后,进一步对所述弧形激光图像进行处理处理后进一步用于判断竹片的正反面。
值得一提的是,所述视觉模块对所述弧形激光图像的图像处理操作包括三个步骤,分别为:第一阶段的弧形激光追踪阶段,追踪到竹片上的弧形激光后提取述弧形激光的散点坐标;第二阶段对所述弧形激光图像进行差分处理,去除异常点;第三阶段的采用二次多项式对所述差分处理后的图像进行回归,得到回归后的二次多项式,根据二次项系数的正负判断弧形激光的弯曲方向,进而判断所述竹片的正反面。
所述第一阶段对视觉模块获取的图像进行弧形激光追踪,方法包括:截取视觉模块对竹片上激光反射位置图像的每一帧,并计算每一帧图像每一像素点的灰度值,生成对应图像的灰度值集合,其中所述视觉模块截取的图像像素分辨率优选为320*240(m*n),采用灰度追踪方法预审灰度值阈值,将大于所述灰度值阈值的灰度块作为追踪的图像,记大于所述灰度值阈值的灰度块为blob,计算得到灰度块blob的高h和宽w,进一步根据弧形激光的结构特性,将截取图像中像素灰度值小于所述灰度值阈值的灰度块剔除,最终追踪到需要的弧形激光图像信息。在获取所述弧形激光图像信息后,进一步计算所述弧形激光图像信息中每一个像素点灰度值大于所述灰度值阈值的像素点坐标位置,本发明中优选以列为每一像素的提取顺序,并将每一大于所述灰度值阈值像素点的y 轴坐标值保存于列表ci中,其中其中i=1,2,…,w,i代表第几列,k为这一列中大于设定阈值像素点的个数。为此像素点在blob中的y坐标。进一步计算所述ci列表中的算数平均值pi得到激光弧线的散点坐标,并对所述激光散点坐标进行差分处理:
pdi=pi+1-pi;
其中pi为列表ci的算数平均数,得到列表P=[p1,p2,…,pw]是激光弧线的散点坐标。
pdi为列表P中y坐标做一阶差分的结果,目的是去除竹片侧边斜劈上的异常点。一阶差分后得到列表PX=[px1,px2,…,pxw-1];需要说明的是,所述上述一阶差分的计算方式仅仅是举例说明,本发明可以进一步做更高阶的差分处理,其中公式中w为散点个数,本实施例中w可以是120-180之间,优选150。
进一步根据所述一阶差分结果计算标准差,并设置标准差系数:
ρ1*σ(PX)≥pxi≥ρ2*σ(PX);
σ(PX)为列表PX的标准差,作为筛选异常点的阈值标准。
ρ为筛选阈值系数,其中ρ1>ρ2,根据控制筛选异常点的标准“严格”程度,可以设置为ρ的值为0.5~1。本实施例中若ρ值为1,可以得到σ(PX)为5.72474。遍历循环列表PX,若符合ρ1*σ(PX)≥pxi≥ρ2*σ(PX)则视为弧线上的点,当竹片斜劈严重时ρ可取较小值。由于竹片侧面并非理想斜劈状态,上一步差分的办法无法剔除所有异常点,因此本发明中对差分处理后的列表的两端按比例进行删除操作:E=floor(k(1-2θ)),其中E为两端删除后的列表长度。
k为经过差分处理后剩下的点的数目。
θ为对列表两端进行删除的比例,一般来说取5%到10%即可,floor代表对结果向下取整。
本实例中θ可以取5%,进而得到的E为136。
经过上述差分处理和两端删除处理后得到的最终散点数据为PE= [pe1,pe2,…,peE],对于本实例中图6的竹片,最终处理得到的PE为 [84.5,85.0,85.0,86.0,85.0,84.0,83.5,84.5,85.8,85.8,84.5,83.4,82.4,81.9,81.0,80.4,79.1, 74.9,74.0,72.8,71.1,72.0,71.8,70.1,68.4,67.7,66.1,66.4,64.9,66.0,64.5,63.5,63.1,61.7, 60.5,60.5,58.0,56.4,56.8,57.5,56.5,55.0,55.0,54.5,52.5,53.5,54.0,53.5,52.6,52.1,52.1,49.6,50.6,50.5,49.3,49.9,50.0,48.2,48.6,47.2,46.6,47.0,47.0,46.1,46.0,46.5,45.0,45.0, 45.5,46.0,44.7,44.5,43.4,43.5,45.0,44.5,42.7,42.3,43.0,43.5,44.5,44.5,42.7,43.1,44.5, 43.0,43.1,44.0,44.5,45.0,44.2,42.7,45.5,42.6,44.0,44.0,45.5,41.5,45.0,46.2,43.0,46.8, 44.4,47.7,47.5,47.8,46.0,49.5,49.5,48.1,49.3,49.6,54.0,52.6,54.7,58.0,57.3,57.7,61.6, 61.5,66.3,65.0,65.4,69.0,69.5,72.5,74.0,73.7,75.1,77.0,78.0,81.5,83.0,84.5,85.0,88.0] ,进一步对所述PE列表中的数据采用最小二乘法进行二次多项式回归:
f(x)=b0x2+b1x+b2,代表待回归的多项式表达式。
J的含义是理论值和实际值之差的平方和,当其取到最小值代表回归效果最接近实际值,此时的系数b0、b1、b2就是回归的结果。写出J的表达式,并分别对系数b0,b1,b2求偏导,令其结果为0求极值,解三元一次方程求出各系数,三元依次方程求解方式为:
在本实施例中,基于优选结果得到的b0、b1、b2分别为 [0.0096,-1.4372,97.4379],得到的J为1722.9。从上述各类系数中得到二次项系数为0.0096,是一个开口向上的二次函数,因此可以判断视觉模块图像处理后得到的弧线是一个开口向上的弧线,可以得到竹片反面的检测结果,进一步根据检测结果输出低电平0V,信号需通过光电耦合器传输给PLC,光电耦合器输入电压为3.3V,输出电压为24V,输出类型为NPN低电平有效。
需要说明的是,本发明通过上述线性激光发射装置结合图像处理得到图像检测结果,可以精准地判断竹片的正反面,检测成功率在99.9%以上,相比于人工检测更节省成本,并相比于单纯的硬件检测装置,也同样节省成本。
为了好的说明本发明的技术效果,本发明基于上述技术手段设计了计算机流程,用于实现简单快捷的图片正反面识别:
S-101、初始化;
S-102、设置摄像模块分辨率为320*240,取消白平衡;
S-103、设置帧格式为灰度格式;
S-104、拍摄截取一张图片img;
S-105、使用灰度追踪激光弧线区域;
S-106、是否在设置阈值内检测到激光弧线?
S-107、是,执行S-108;否,执行S-104;
S-108、获取激光弧线的宽blob_w;
S-109、调用弧线处理模块;
S-110、二次多项式拟合是否成功?;
S-112、是,执行S-113;否,执行S-117;
S-113、拟合结果是否大于0?
S-114、是,执行S-115;否,执行S-116;
S-115、将数据1,blob_w存入数组List;
S-116、将数据0,blob_w存入数组List;
S-117、激光弧线是否寻找完?;
S-118、是,执行S-119;否,执行S-105;
S-119、数组List的长度是否大于0?;
S-119、是,执行S-120;否,执行S-104;
S-120、调用子程序1;
S-121、调用子程序2;
S-122、输出电平信号到光电耦合器。
所述的调用弧线处理模块的流程是:
S-201、初始化;
S-202、提取激光弧线上散点y坐标;
S-203、按列对散点取算数平均数;
S-204、对散点做一阶差分;
S-205、计算差分后散点的标准差sigma;
S-206、sigma是否满足式子(5)?
S-207、是,执行S-208;否,执行S-209;
S-208、保留此散点;
S-209、删除此散点;
S-210、对剩下散点进行二次多项式拟合。
所述的调用子程序1的流程是:
S-301、初始化;
S-302、数组储存的数据是否为0?
S-303、是,执行S-304;否,执行S-305
S-304、输出高电平;
S-305、口输出低电平。
所述的调用子程序2的流程是:
S-401、初始化;
S-402、将数组按照blob_w的长度从大到小排序;
S-403、数组中第一个数据是否为0?
S-404、是,执行S-405;否,执行S-406;
S-405、输出高电平;
S-406、输出低电平。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线段、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线段的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线段、电线段、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域的技术人员应理解,上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明,本发明的目的已经完整并有效地实现,本发明的功能及结构原理已在实施例中展示和说明,在没有背离所述原理下,本发明的实施方式可以有任何变形或修改。
Claims (10)
1.一种竹片正反面检测方法,其特征在于,所述方法包括:
向竹片成倾斜角度照射线性激光,获取线性激光在竹片上反射后图像;
识别反射后图像中的反射的弧形激光,并获取所述弧形激光的像素点位置;
对所述弧形激光的位置的像素点进行差分处理,去除异常的像素点;
并将差分处理后的弧形激光的位置的像素点进行二次多项式回归,根据二次多项式系数判断竹片正反面。
2.根据权利要求1所述的一种竹片正反面检测方法,其特征在于,所述识别反射的弧形激光方法包括:获取竹片图像所有像素点的灰度值,生成灰度值集合,设置灰度值阈值,获取大于所述灰度值阈值的灰度块,并根据所述弧形激光的特性去除高宽比大于1的灰度块,获取弧形激光的像素点位置信息。
3.根据权利要求1所述的一种竹片正反面检测方法,其特征在于,获取所述弧形激光的像素点位置信息后,进一步计算弧形激光像素点的散点坐标,并根据所述散点坐标对大于灰度值阈值灰度块中的像素点坐标进行一阶差分,计算所述一阶差分结果的标准差,并设置标准差筛选上限阈值系数和下限阈值系数,通过计算不满足所述标准差和两个标准差阈值系数乘积范围的像素点位置作为异常点剔除。
6.根据权利要求1所述的一种竹片正反面检测方法,其特征在于,所述异常点剔除方法还包括:对所述差分处理后的列表两端按照预设比例进行删除:E=floor(k(1-2θ)),其中E为两端删除后的列表长度,k为经过差分处理后剩下的点的数目,θ为对列表两端进行删除的比例。
8.根据权利要求1所述的一种竹片正反面检测方法,其特征在于,根据所述回归的二次多项式二次项系数的正负生成对应的高低电平信号,根据所述高低电平信号判断最终的竹片正反面,用于控制流程停止或前进。
9.一种竹片正反面检测系统,其特征在于,所述系统执行上述一种竹片正反面检测方法。
10.一种计算机可读存储介质,其特征在于,计算机可读存储介质存储有计算机程序,所述计算机程序可被处理器执行上述一种竹片正反面检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210452303.1A CN114862781A (zh) | 2022-04-27 | 2022-04-27 | 一种竹片正反面检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210452303.1A CN114862781A (zh) | 2022-04-27 | 2022-04-27 | 一种竹片正反面检测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114862781A true CN114862781A (zh) | 2022-08-05 |
Family
ID=82632465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210452303.1A Pending CN114862781A (zh) | 2022-04-27 | 2022-04-27 | 一种竹片正反面检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114862781A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115908412A (zh) * | 2023-01-06 | 2023-04-04 | 福建帝视智能科技有限公司 | 一种基于线激光图像的竹条缺陷检测方法及终端 |
-
2022
- 2022-04-27 CN CN202210452303.1A patent/CN114862781A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115908412A (zh) * | 2023-01-06 | 2023-04-04 | 福建帝视智能科技有限公司 | 一种基于线激光图像的竹条缺陷检测方法及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10489900B2 (en) | Inspection apparatus, inspection method, and program | |
CN109613002B (zh) | 一种玻璃缺陷检测方法、装置和存储介质 | |
EP2148189B1 (en) | Lumber inspection method, device and program | |
CN102261892B (zh) | 一种叶丝宽度的快速测量系统 | |
JP5982719B2 (ja) | 画像霧除去装置、画像霧除去方法及び画像処理システム | |
CN110146516B (zh) | 基于正交双目机器视觉的水果分级装置 | |
US20120229789A1 (en) | Optical sensor and sensing method using the same | |
JP5085860B2 (ja) | 木材の検査方法及び装置及びプログラム | |
EP2278270A3 (en) | Optical method and apparatus for inspecting the front surface shape of plate shaped transparent objects | |
CN114862781A (zh) | 一种竹片正反面检测方法和系统 | |
US11232578B2 (en) | Image processing system for inspecting object distance and dimensions using a hand-held camera with a collimated laser | |
CN108564573B (zh) | 面向鲅鱼切段机的鱼头鱼尾图像自动识别方法 | |
CN110036281A (zh) | 玻璃板的检查方法及其制造方法以及玻璃板的检查装置 | |
KR20190011198A (ko) | 결함 검사 시스템 및 결함 검사 방법 | |
JPWO2019244946A1 (ja) | 欠陥判別方法、欠陥判別装置、欠陥判別プログラム及び記録媒体 | |
CN106706644A (zh) | 一种镜片疵病的检测方法 | |
CN114280075A (zh) | 一种管类零件表面缺陷在线视觉检测系统及检测方法 | |
CN114049490A (zh) | 一种智能化职业卫生预警方法及系统 | |
KR20080060851A (ko) | 목재표면의 결함검출방법 | |
RU2435661C2 (ru) | Сканерная система загрузочного устройства | |
KR101341189B1 (ko) | 표면각도 측정 광센서 및 이를 이용한 감지 방법 | |
WO2022205827A1 (zh) | 结构光图像处理方法、障碍物检测方法、模组及设备 | |
JP2007198761A5 (zh) | ||
KR101672389B1 (ko) | 화상 처리 장치 및 방법, 지정 마크 추정 장치 및 방법, 및 기억 매체 | |
KR20230139166A (ko) | 목재 제품의 불량 검사 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |